KI-Strategieberatung für Geschäftsführung und Vorstand
Wir helfen Führungsteams, eine unternehmensweite KI-Strategie zu entwickeln, die auf Geschäftsziele einzahlt statt in Pilotprojekten zu versanden.
Wir helfen Führungsteams, eine unternehmensweite KI-Strategie zu entwickeln, die auf Geschäftsziele einzahlt statt in Pilotprojekten zu versanden.
Fragen Sie zehn Führungskräfte in Ihrem Haus, wie sich das laufende KI-Portfolio zu den eigentlichen Unternehmenszielen verhält, und zählen Sie die unterschiedlichen Antworten. In den meisten Organisationen, mit denen wir arbeiten, sind es deutlich mehr als zwei oder drei. Es gibt Aktivität: Proof-of-Concepts in einzelnen Teams, Copilot-Lizenzen in der IT, Chatbot-Experimente in Fachbereichen. Was fehlt, ist eine Antwort auf die einfachste aller Fragen – welches Geschäftsziel wird dadurch eigentlich bewegt, und um wie viel?
Diese Lücke entsteht fast immer aus derselben Reihenfolge: Ein Tool wird eingeführt, weil es verfügbar, spannend oder von einem Wettbewerber angekündigt wurde – und erst danach sucht man nach einem passenden Anwendungsfall. Diese Reihenfolge ist das Grundproblem, aus dem sich fast alle anderen Symptome ableiten: fragmentierte Insellösungen, fehlende Priorisierung, Ernüchterung im Führungskreis nach der zweiten oder dritten enttäuschenden Pilotrunde.
Eine belastbare KI-Strategie dreht diese Reihenfolge um. Sie beginnt nicht bei der Technologie, sondern bei den strategischen Zielen des Unternehmens – Wachstum, Kostenstruktur, Marge, Kundenerlebnis, Risikoreduktion – und fragt für jede mögliche KI-Initiative: Auf welches dieser Ziele zahlt das konkret ein, und wie messen wir das? Initiativen, die diese Frage nicht beantworten können, gehören nicht auf die Roadmap, so vielversprechend die zugrunde liegende Technologie auch erscheinen mag.
KI-Strategie ist kein Dokument, das einmal geschrieben und dann abgelegt wird, und sie ist auch keine Aufgabe, die man vollständig an die IT-Abteilung delegieren kann. Sie ist eine Führungsaufgabe, weil sie Entscheidungen erfordert, die nur auf Geschäftsführungsebene getroffen werden können: Welche Geschäftsbereiche werden priorisiert? Welches Budget und welche Kapazitäten stehen über welchen Zeitraum zur Verfügung? Wer trägt die Verantwortung, wenn ein Piloten erfolgreich ist und skaliert werden soll – oder wenn er es nicht ist?
Für uns bedeutet KI-Strategie konkret vier miteinander verzahnte Bausteine: erstens eine klare Verbindung jeder Initiative zu einem geschäftlichen Ziel, zweitens einen strukturierten Mechanismus, um aus vielen möglichen Anwendungsfällen die wertvollsten auszuwählen, drittens eine realistische, sequenzierte Roadmap, die kurzfristige Erfolge mit langfristigen Investitionen verbindet, und viertens die organisatorischen Grundlagen – Daten, Governance, Betriebsmodell, Kompetenzen –, ohne die selbst die beste Priorisierung ins Leere läuft. Der Rest dieser Seite geht auf jeden dieser Bausteine ein.
Der erste und wichtigste Schritt jeder Strategiearbeit ist unspektakulär, aber entscheidend: Bevor über Anwendungsfälle gesprochen wird, muss Klarheit über die eigentlichen Geschäftsziele der nächsten zwei bis drei Jahre bestehen. Soll der Umsatz in einem bestimmten Segment wachsen? Soll die Kosten-pro-Vorgang im Kundenservice sinken? Soll die Time-to-Market bei Produkteinführungen verkürzt werden? Soll ein spezifisches Betriebsrisiko reduziert werden?
Erst wenn diese Ziele explizit und priorisiert vorliegen, lässt sich sinnvoll fragen, welche Rolle KI dabei spielen kann – und welche nicht. Diese Übung deckt häufig zwei Dinge gleichzeitig auf: Initiativen, die im Unternehmen bereits laufen, aber auf kein tatsächliches Geschäftsziel einzahlen (und die man entsprechend stoppen oder umlenken sollte), und Lücken, in denen bislang gar keine KI-Initiative existiert, obwohl der Hebel groß wäre.
Diese Verankerung ist auch das wirksamste Mittel gegen das sogenannte Tool-first-Denken – jenes Muster, bei dem ein Team ein Sprachmodell, einen Copiloten oder eine neue Plattform einführt und erst im Anschluss überlegt, wofür man es sinnvoll einsetzen könnte. Tool-first-Projekte erzeugen Aktivität und Lizenzkosten, aber selten belastbaren Geschäftswert, weil ihre Erfolgskriterien nie an ein Geschäftsergebnis gekoppelt waren. Die Gegenbewegung ist einfach zu formulieren, aber diszipliniert umzusetzen: Jede Initiative braucht von Anfang an eine explizite Antwort auf die Frage „Welches Geschäftsziel wird dadurch bewegt, und um wie viel?", bevor ein einziger Euro Budget oder eine einzige Stunde Entwicklungszeit investiert wird.
Sind die Geschäftsziele klar, entsteht in der Regel schnell eine lange Liste möglicher Anwendungsfälle – oft zu lang, um sie alle gleichzeitig zu verfolgen. Hier braucht es einen strukturierten Priorisierungsmechanismus statt einer Wunschliste, die nach Lautstärke oder interner Politik abgearbeitet wird.
Bewährt hat sich eine Matrix, die jeden Kandidaten entlang mehrerer Dimensionen bewertet: der geschäftliche Impact, wenn der Anwendungsfall funktioniert; die Verfügbarkeit und Qualität der benötigten Daten; die technische Machbarkeit mit realistischem Aufwand; die organisatorische Bereitschaft der betroffenen Fachbereiche, den neuen Prozess auch tatsächlich zu nutzen; und die Zeit bis zur ersten messbaren Wertschöpfung. Aus diesen Dimensionen ergibt sich ein Ranking, das Impact gegen Aufwand und Realisierbarkeit abwägt – nicht ein Ranking, das allein auf technischer Faszination oder der Sichtbarkeit eines Themas im Markt basiert.
Wichtig ist dabei, diese Bewertung als Workshop-Prozess mit den relevanten Fachbereichsleitungen durchzuführen, nicht als reine Analystenübung. Die Datenqualität in einem Bereich, die organisatorische Veränderungsbereitschaft in einem anderen – diese Einschätzungen liegen bei den Menschen, die den jeweiligen Bereich tatsächlich verantworten. Das Ergebnis ist eine kurze, begründete Shortlist, typischerweise fünf bis zehn Anwendungsfälle, die die Grundlage für die Roadmap bilden – nicht dreißig gleichrangige Ideen, von denen am Ende keine mit ausreichender Konsequenz verfolgt wird.
Eine der häufigsten Fehlentscheidungen bei der Roadmap-Gestaltung ist, alle priorisierten Anwendungsfälle gleichzeitig anzugehen. Sinnvoller ist eine bewusste Sequenzierung, die zwischen zwei Kategorien unterscheidet.
Quick Wins sind Initiativen mit begrenztem Umfang, die in der Regel innerhalb von drei bis sechs Monaten produktiv gehen können, auf bereits vorhandenen und ausreichend sauberen Daten aufbauen und ohne größere strukturelle Vorinvestitionen umsetzbar sind. Ihr Zweck ist nicht nur der unmittelbare Geschäftswert, so wichtig dieser ist – sie erfüllen zusätzlich eine strategische Funktion: Sie beweisen im eigenen Haus, dass KI-Initiativen tatsächlich Ergebnisse liefern können, sie schaffen Vertrauen im Führungskreis und in der Belegschaft, und sie liefern häufig das interne Momentum und teilweise sogar das Budget, um größere Vorhaben zu finanzieren.
Foundationale Initiativen sind demgegenüber transformativer angelegt: Sie setzen häufig eine Investition in Datenplattformen oder Systemintegration voraus, betreffen mehrere Geschäftsbereiche gleichzeitig und erfordern ein aktives Change-Management, weil sie Arbeitsweisen grundlegend verändern. Diese Initiativen liefern in der Regel erst nach neun bis achtzehn Monaten oder länger spürbaren Geschäftswert, dafür aber mit deutlich größerer Hebelwirkung.
Die Kunst der Roadmap-Gestaltung besteht darin, beide Kategorien bewusst zu sequenzieren statt sie gegeneinander auszuspielen: Quick Wins zuerst, um Legitimität und Erfahrung aufzubauen, parallel dazu der Start der Grundlagenarbeit für die größeren Wetten, deren Wertschöpfung erst später sichtbar wird. Eine Roadmap ohne Quick Wins verliert häufig die Geduld des Managements, bevor die großen Initiativen liefern. Eine Roadmap aus ausschließlich Quick Wins bleibt dagegen taktisch und erschließt nie das eigentliche strategische Potenzial von KI im Unternehmen.
KI-Strategie ist der Datenstrategie nachgelagert, nicht vorgelagert. Welche Anwendungsfälle im ersten Jahr realistisch umsetzbar sind und welche erst im dritten Jahr, entscheidet sich maßgeblich an der Datenlage: Liegen die benötigten Daten in ausreichender Qualität vor? Sind sie zugänglich, oder liegen sie verstreut in Silos verschiedener Abteilungen und Systeme? Existiert eine technische Plattform, auf der neue Anwendungen sicher integriert werden können? Diese Fragen frühzeitig und ehrlich zu beantworten verhindert, dass eine Roadmap Anwendungsfälle enthält, die technisch schlicht noch nicht machbar sind – und erspart damit die Enttäuschung, die entsteht, wenn genau das erst mitten im Projekt auffällt.
Governance ist der zweite Grundpfeiler, und sie sollte von Beginn an Teil der Strategie sein, nicht ein nachträglicher Compliance-Baustein. Dazu gehören Prinzipien für einen verantwortungsvollen KI-Einsatz, die Festlegung, bei welchen Entscheidungen ein Mensch zwingend im Entscheidungsprozess verbleibt (Human-in-the-Loop), insbesondere bei folgenreichen Entscheidungen gegenüber Kunden oder Mitarbeitenden, sowie ein Modell-Risikomanagement, das Fehlerquellen, Verzerrungen und Ausfallszenarien systematisch adressiert. Für Unternehmen im deutschsprachigen Raum gehört dazu zunehmend auch die risikobasierte Logik des EU AI Acts als Denkraster: Je nach Einsatzbereich und Auswirkung auf Personen ergeben sich unterschiedliche Anforderungen an Dokumentation, Aufsicht und Sorgfalt. Diese Einordnung sollte bereits in der Priorisierungsphase mitgedacht werden, damit klar ist, welche Anwendungsfälle einen höheren Governance-Aufwand erfordern und welche mit schlankeren Prozessen auskommen.
Das dritte Fundament ist das Betriebsmodell: Wer trägt auf C-Level die Verantwortung für KI – eine eigens benannte Rolle wie ein Chief AI Officer oder Chief Digital Officer, ein bereichsübergreifendes Steuerungsgremium, oder liegt die Verantwortung bewusst dezentral bei den Fachbereichen? Ebenso zentral ist die Entscheidung zwischen Eigenentwicklung, Zukauf von Standardlösungen und Partnerschaften mit spezialisierten Anbietern – eine Entscheidung, die je nach Anwendungsfall unterschiedlich ausfallen kann und sollte. Und schließlich: Braucht es ein zentrales Kompetenzzentrum, das Standards setzt und Wissen bündelt, oder eher föderierte Teams, die direkt in den Fachbereichen verankert sind und näher am operativen Geschäft arbeiten? In der Praxis bewährt sich häufig eine Mischform – ein schlankes zentrales Team für Standards, Governance und übergreifende Plattformentscheidungen, kombiniert mit Umsetzungsverantwortung in den Fachbereichen.
Change-Management verdient dabei einen eigenen, benannten Workstream und sollte nicht als Nebeneffekt der technischen Umsetzung mitlaufen. Dazu gehören sichtbare Unterstützung durch die Geschäftsführung, eine offene und frühzeitige Kommunikation gegenüber der Belegschaft, sowie gezielte Qualifizierungs- und Weiterbildungsprogramme, damit Mitarbeitende neue Werkzeuge tatsächlich souverän nutzen können. Für Unternehmen im deutschsprachigen Raum kommt ein Punkt hinzu, der in generischer KI-Strategieliteratur häufig übersehen wird, in der Praxis aber regelmäßig zum Stolperstein wird: die frühzeitige Einbindung des Betriebsrats. Sobald KI-Systeme die Arbeitsleistung, das Verhalten oder die Arbeitsorganisation von Mitarbeitenden berühren können – etwa durch Leistungsmessung, veränderte Arbeitsabläufe oder neue Formen der Aufgabenzuteilung –, greifen Mitbestimmungsrechte. Wird der Betriebsrat erst eingebunden, wenn ein Pilot bereits läuft, verzögert das die Einführung häufig erheblich und erzeugt unnötiges Misstrauen. Wird er von Beginn an als Partner in die Strategiearbeit einbezogen, lässt sich dieser Reibungspunkt in aller Regel konstruktiv auflösen.
In der Praxis wiederholen sich bestimmte Fehlermuster über Branchen und Unternehmensgrößen hinweg auffallend ähnlich.
Das bekannteste ist die sogenannte Pilot Purgatory, das Fegefeuer der Pilotprojekte: Ein Unternehmen betreibt eine Vielzahl isolierter Proof-of-Concepts, jeder für sich genommen vielversprechend, aber keiner erreicht je den produktiven Betrieb. Die Gründe dafür sind fast immer die gleichen: Niemand hat explizit die Verantwortung übernommen, den Piloten zu skalieren. Die IT- und Dateninfrastruktur wurde nie für produktive Lastanforderungen geplant, sondern nur für den begrenzten Testbetrieb ausgelegt. Es existiert kein Budget jenseits der Pilotphase. Und Erfolgskriterien wurden nie vorab definiert, sodass am Ende niemand sagen kann, ob der Pilot eigentlich erfolgreich war oder nicht. Das Gegenmittel ist so einfach wie wirkungsvoll: Der Weg in den Produktivbetrieb – Verantwortlicher, Budget, Integrationsanforderungen, Erfolgskennzahl – wird definiert, bevor der Pilot startet, nicht erst, nachdem er sich als erfolgreich erwiesen hat.
Ein verwandtes, aber eigenständiges Fehlermuster ist das „Ocean Boiling": der Versuch, eine unternehmensweite KI-Transformation gleichzeitig über alle Funktionen hinweg anzustoßen, ohne eine bewusste Phasenfolge. Das Ergebnis ist eine Verwässerung der Ressourcen über zu viele parallele Initiativen, eine Zeit bis zum ersten sichtbaren Ergebnis, die die Geduld der Geschäftsführung überschreitet, und ein Koordinationsaufwand, unter dem das gesamte Vorhaben irgendwann zusammenbricht. Das Gegenmittel ist eine bewusst begrenzte, sequenzierte Roadmap mit klaren Meilensteinen – lieber drei gut geführte Initiativen mit klarem Erfolg als fünfzehn gleichzeitig gestartete ohne echten Fortschritt.
Ein drittes, oft unterschätztes Risiko ist Schatten-KI: Mitarbeitende greifen eigenständig auf öffentlich zugängliche KI-Werkzeuge zurück, weil das Unternehmen keine freigegebenen Alternativen oder auch nur einen klaren Prozess bietet, über den neue Ideen eingebracht werden können. Das entsteht selten aus böser Absicht, sondern aus schlichtem Pragmatismus – Mitarbeitende wollen produktiv sein und nutzen, was verfügbar ist. Die Folge sind jedoch reale Risiken: unkontrollierter Abfluss sensibler Daten an externe Dienste und uneinheitliche, nicht nachvollziehbare Ergebnisse zwischen verschiedenen Teams. Weder ein pauschales Verbot noch vollständiges Laissez-faire lösen dieses Problem – ein pauschales Verbot treibt die Nutzung nur in den Untergrund, vollständige Freigabe ohne Leitplanken multipliziert das Risiko. Der tragfähige Mittelweg ist eine von oben getragene Strategie mit einem schnell arbeitenden Intake-Prozess, über den neue Ideen zügig geprüft und, wo sinnvoll, in kontrollierte, freigegebene Bahnen gelenkt werden.
Ein häufig übersehener Baustein ist die Definition der Erfolgskennzahlen vor Beginn der Umsetzung, nicht danach. Für jeden Anwendungsfall sollte vorab feststehen, woran Erfolg gemessen wird – und zwar auf zwei Ebenen. Frühindikatoren wie Nutzungsraten, Adoptionsgeschwindigkeit in den betroffenen Teams oder Reduktion von Durchlaufzeiten zeigen bereits kurzfristig, ob eine Initiative in die richtige Richtung läuft. Nachlaufende Geschäftskennzahlen wie Umsatzwirkung, Margenveränderung oder tatsächliche Kosteneinsparung zeigen, ob der versprochene Geschäftswert am Ende auch real eingetreten ist.
Werden diese Kennzahlen erst im Nachhinein festgelegt, entsteht fast zwangsläufig eine Erfolgsdefinition, die sich an dem orientiert, was ohnehin erreicht wurde – ein Muster, das kurzfristig unangenehme Diskussionen vermeidet, langfristig aber jede belastbare Portfolio-Steuerung unmöglich macht. Sinnvoll ist stattdessen ein leichtgewichtiger, aber regelmäßiger Review-Rhythmus, in dem jede Initiative anhand vorab festgelegter Kriterien den nächsten Reifegrad erreichen muss, um weiter Budget und Aufmerksamkeit zu erhalten – vom Piloten über die kontrollierte Ausweitung bis zum vollständigen Produktivbetrieb. Ein solches Stage-Gate-Modell muss nicht bürokratisch sein; es reicht ein kurzer, quartalsweiser Portfolio-Review auf Führungsebene, der ehrlich benennt, welche Initiativen skaliert, welche angepasst und welche eingestellt werden.
Die beschriebenen Prinzipien gelten unabhängig von der Unternehmensgröße, ihre praktische Umsetzung sieht jedoch unterschiedlich aus. Mittelständische Unternehmen benötigen in der Regel pragmatische, ressourcenbewusste Roadmaps mit wenigen parallelen Initiativen und kurzen Entscheidungswegen – hier zählt vor allem Geschwindigkeit von der Idee zur ersten Umsetzung, nicht die Vollständigkeit eines Governance-Apparats. Häufig fehlt eine große eigene Data-Science-Funktion, was die Priorisierung umso wichtiger macht: Wenige, gut gewählte Initiativen mit externer Unterstützung schlagen eine breite, aber verzettelte Eigeninitiative deutlich.
Konzerne stehen vor anderen Herausforderungen: formalere Governance-Anforderungen, die Notwendigkeit, Initiativen über mehrere Geschäftsbereiche und Ländergesellschaften hinweg zu koordinieren, und ein echtes Portfolio-Management, das Dutzende parallele Initiativen unterschiedlicher Reifegrade im Blick behalten muss. Hier liegt der Hebel weniger in der einzelnen Initiative als in der übergeordneten Steuerungslogik, die verhindert, dass sich Bereiche gegenseitig doppelte Arbeit machen oder widersprüchliche Standards etablieren.
Unser Vorgehen beginnt mit Workshops auf Führungsebene, in denen wir gemeinsam mit der Geschäftsführung und den relevanten Fachbereichsleitungen die strategischen Ziele schärfen und den Status quo der laufenden KI-Aktivitäten ehrlich einordnen. Darauf aufbauend führen wir strukturierte Bewertungs-Workshops durch, in denen mögliche Anwendungsfälle gemeinsam mit den Fachbereichen entlang der beschriebenen Dimensionen bewertet und zu einer priorisierten Shortlist verdichtet werden.
Aus dieser Shortlist entwickeln wir gemeinsam mit Ihrem Team eine sequenzierte Roadmap, die Quick Wins und foundationale Initiativen bewusst aufeinander abstimmt, inklusive der notwendigen Entscheidungen zu Datenreife, Betriebsmodell und Governance-Struktur. Wo gewünscht, begleiten wir auch den Aufbau der Governance-Grundlagen – von Verantwortlichkeiten über Freigabeprozesse bis zur Einbindung von Mitbestimmungsgremien – sowie die ersten Schritte der Umsetzung, damit aus der Strategie tatsächlich ein Programm mit sichtbarem Fortschritt wird.
Wenn in Ihrem Unternehmen bereits mehrere KI-Initiativen parallel laufen, ohne dass eine klare Verbindung zu den Geschäftszielen erkennbar ist, oder wenn Pilotprojekte wiederholt vielversprechend beginnen, aber nie den Produktivbetrieb erreichen, ist das ein guter Zeitpunkt für ein strukturiertes Gespräch. Der sinnvollste Einstieg ist meist ein kompakter Strategie-Workshop mit Ihrem Führungsteam, in dem wir gemeinsam den aktuellen Stand einordnen, erste Prioritäten schärfen und die nächsten konkreten Schritte festlegen. Kontaktieren Sie uns für ein unverbindliches Erstgespräch.